人工智能
研究人员开发了一种人工智能工具，可通过分析试管婴儿的显微镜图像和相关信息，非侵入性地识别染色体异常的胚胎，准确率达70%左右。这一工具有望提高试管婴儿胚胎选择的准确性，降低检测成本和风险。
最新研究表明，一种人工智能（AI）模型可以准确检测胸部X光下的简单和张力性气胸。早期检测肺部塌陷对于紧急干预至关重要，而AI技术可以帮助提高诊断效率和准确性。本文将介绍AI模型如何应用于医疗诊断，提高医疗技术水平。
输液中心面临空间不足和人员短缺的挑战，但AI和优化算法可以帮助满足需求。LeanTaaS和社区癌症中心协会的一份调查报告发现，50%的输液中心在从电子病历中获取所需数据方面存在困难。
一项研究发现，先前验证的高性能深度学习模型在美国多样化患者人群中的泛化能力不足，并且在某些亚组中表现下降。这对于乳腺癌筛查的诊断准确性和效率提高至关重要。
NLP是人工智能的一个子领域，可以从电子健康记录和数据仓库中挖掘出临床信息。NLP将在2023年成为医疗保健领域的主流，原因是解决了技术问题，证明了价值，时机成熟。
在HIMSS Healthcare Cybersecurity Forum上，McKesson的全球隐私和网络安全管理首席法律顾问Roshal Marshall分享了企业法律顾问对数据泄露的看法，包括如何与信息安全官员和其他IT领导合作，确保合规性，管理事件响应，处理诉讼等。
坦帕总医院与Palantir Technologies合作建立数据分析平台，利用人工智能技术提高患者护理水平，推动医疗运营、研究和临床进步。该合作旨在整合Foundry平台和医院数据源，支持高级分析，提高医疗运营效率，改善患者护理，推进医学研究。
佩恩医学院和英特尔利用联邦学习技术，帮助医生和研究人员识别恶性脑肿瘤，提高肿瘤检测和治疗的准确性和效率。这项技术的应用，将为肿瘤治疗带来新的突破和进展。
罗格斯大学与医疗技术公司HeartSciences宣布了一项多年的合作协议，旨在开发基于人工智能的心电图算法，通过低成本检测心脏疾病，扩大心电图的临床价值。
德州大学奥斯汀分校的研究人员开发了一款人工智能临床决策支持工具，旨在帮助医生与患者讨论营养问题，共同制定饮食改善计划。该工具将与电子病历集成，为医生提供有关患者饮食的信息，支持个性化目标设定和随访跟踪，同时减轻医生的负担。
